使用Keras加载训练图像

要使用Keras训练模型，我是否应该将所有图像加载到一个数组中，以创建类似

x_train, y_train

或者，有没有更好的方法在训练时在飞行中读取图像。我没有寻找ImageDataGenerator类，因为我的输出是一个点数组，而不是基于目录名的类

我设法将我的数据csv文件包含在9列中的点阵列和图像文件名，如下所示：

---

x1 x2。。。。。x8 Image_file_name

将整个数据集加载到阵列中的内存中不是一个好主意，因为内存消耗可能会失控，因此应该使用生成器。ImageDataGenerator和来自数据帧的flow_是在Keras中加载图像的好方法。既然你不想使用ImageDataGenerator（你能说说为什么吗？），你可以创建自己的generator函数，在内存中加载图像块。如果在生成器中加载数据，请确保使用拟合生成器和预测生成器函数

要加载未标记的数据，您可以执行以下操作：

datagen = ImageDataGenerator()
test_data = datagen.flow_from_directory('.', classes=['directory_where_images_are_stored'])

有关更多信息，请查看链接[1]

---

[1]

您可以将此数据与

ImageDataGenerator

一起使用。您错误地认为它需要用于类的文件夹，但这仅适用于来自目录的

flow\u

。方法

flow\u from_dataframe

允许您从数据帧加载数据，您可以从数据帧加载数据，例如：

idg = ImageDataGenerator(...)
df = pd.load_csv('your_data.csv')
generator = idf.flow_from_dataframe(directory='image folder', x_col = 'filename_column',
                                    y_col = ['col1', 'col2', ..., 'coln'],
                                    class_mode='other')

---

此生成器将从数据帧中读取数据，按照

x_col

的值在

目录中加载图像文件名，并使用相应的行来构建目标，在这种情况下，目标将是
y_col
中列值的numpy数组。有关此方法的更多信息，请参见。
据我所知，ImageDataGenerator工作于标记整个图像的位置（分类如狗与猫的示例）。我的输出是Kaggle Face keypoint detection中的一个点数组。我的类不是基于目录的，输出是一个4（x，y）点数组。这里的一点是，我们如何知道图像的顺序，以匹配标签ImageDataGenerator有什么问题？您的问题非常广泛，您需要添加详细信息，以便回答。我解释了问题，直到我理解为止。不，您没有，例如，没有关于标签当前如何存储的信息。我有9列，8列用于数据值（我标记的4个点的x、y坐标），一列用于图像文件名